Reinforcement learning method for environment with actuators that can be modeled with first-order lag elements or dead time elements
Reinforcement learning method for environment with actuators that can be modeled with first-order lag elements or dead time elements
用于具有可以用一阶滞后元素或死区时间元素建模的执行器的环境的强化学习方法
批准号：
18K11424
负责人：
Shibuya Takeshi
金额：
$2.66万
依托单位：
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2018
资助国家：
日本
项目状态：
已结题
起止时间：
2018-04-01 至 2021-03-31
中文摘要
翻译
点击翻译按钮获取中文摘要
英文摘要
期刊论文(3)
专著(0)
科研奖励(0)
会议论文
Reinforcement Learning Method for Cases Where the State Observation Period Is Larger Than the Action Decision Period
状态观察期大于行动决策期情况的强化学习方法
状态观察期大于行动决策期情况的强化学习方法
DOI：
--
发表时间：
2018
期刊：
影响因子：
--
作者：
[Masaki Yotsukura, Takeshi Shibuya]
通讯作者：
Takeshi Shibuya
行動出力に大きな一時遅れを持つ環境における強化学習のための補償器の設計
设计用于在行为输出具有较大时间滞后的环境中进行强化学习的补偿器
设计用于在行为输出具有较大时间滞后的环境中进行强化学习的补偿器
DOI：
--
发表时间：
2019
期刊：
影响因子：
--
作者：
[小林翔樹, 澁谷長史]
通讯作者：
澁谷長史
DOI：
10.1109/access.2021.3070704
发表时间：
2021-01-01
期刊：
IEEE ACCESS
影响因子：
3.9
作者：
[Iwata, Teppei, Shibuya, Takeshi]
通讯作者：
Shibuya, Takeshi
海外基金
